dbg

README_ch.md

@@ -56,57 +56,56 @@ PP-ShiTu图像识别快速体验：[点击这里](./docs/zh_CN/quick_start/quick
 
 ## 文档教程
 - [环境准备]()
-- [PULC超轻量图像分类实用方案]()
-  - [超轻量图像分类快速体验 (@崔程)]()
-  - [超轻量图像分类模型库]（包含benchmark @崔程）
-    - xx
-  - [方案介绍和模型训练]()
-  - [推理部署](@水龙)
-    - 基于python预测引擎推理
-    - 基于C++预测引擎推理
-    - 服务化部署
-    - 端侧部署
-    - Paddle2ONNX模型转化与预测
-  - [模型压缩](@崔程)
+- [PULC超轻量图像分类实用方案]() 文档更新中
+  - [超轻量图像分类快速体验]() 文档更新中
+  - [超轻量图像分类模型库]() 文档更新中
+  - [方案介绍和模型训练]() 文档更新中
+  - [推理部署]() 文档更新中
+    - [基于python预测引擎推理]() 文档更新中
+    - [基于C++预测引擎推理]() 文档更新中
+    - [服务化部署]() 文档更新中
+    - [端侧部署]() 文档更新中
+    - [Paddle2ONNX模型转化与预测]() 文档更新中
+  - [模型压缩]() 文档更新中
 - [PP-ShiTu图像识别系统介绍](#图像识别系统介绍)
-  - 图像识别快速体验 
-  - 模块介绍 
+  - [图像识别快速体验]() 文档更新中
+  - 模块介绍
     - [主体检测](./docs/zh_CN/image_recognition_pipeline/mainbody_detection.md)
     - [特征提取模型](./docs/zh_CN/image_recognition_pipeline/feature_extraction.md)
     - [向量检索](./docs/zh_CN/image_recognition_pipeline/vector_search.md)
-    - 哈希编码
-  - 模型训练（包含数据集格式说明等） 
-  - 推理部署 
-    - 基于python预测引擎推理
-    - 基于C++预测引擎推理
-    - 服务化部署
-    - 端侧部署
-    - Paddle2ONNX模型转化与预测
-  - 模型压缩
-    - 模型量化
-    - 模型裁剪
+    - [哈希编码]() 文档更新中
+  - [模型训练]() 文档更新中
+  - [推理部署]() 文档更新中
+    - [基于python预测引擎推理]() 文档更新中
+    - [基于C++预测引擎推理]() 文档更新中
+    - [服务化部署]() 文档更新中
+    - [端侧部署]() 文档更新中
+    - [Paddle2ONNX模型转化与预测]() 文档更新中
+  - [模型压缩]() 文档更新中
+    - [模型量化]() 文档更新中
+    - [模型裁剪]() 文档更新中
   - [骨干网络和预训练模型库](./docs/zh_CN/algorithm_introduction/ImageNet_models.md)
-- PP系列骨干网络模型（包括算法介绍，使用，训推一体链接等）（@崔程）
-  - PP-HGNet
-  - PP-LCNet v2
-  - PP-LCNet
-- SSLD半监督知识蒸馏方案 （@若愚）
-  - SSLD算法简介
-  - 预训练模型库
-  - 使用方法（？）
+- [PP系列骨干网络模型]() 文档更新中
+  - [PP-HGNet]() 文档更新中
+  - [PP-LCNet v2]() 文档更新中
+  - [PP-LCNet]() 文档更新中
+- [SSLD半监督知识蒸馏方案]() 文档更新中
+  - [SSLD算法简介]() 文档更新中
+  - [预训练模型库]() 文档更新中
+  - [使用方法]() 文档更新中
 - 前沿算法
-  - 骨干网络和预训练模型库 （@崔程）
-    - 服务端CNN模型库
-    - 移动端CNN模型库
-    - Vision Transformer模型库
-  - 度量学习（arcmargin等算法）（@水龙）
-  - ReID （@水龙）
-  - 向量检索 （@水龙）
-  - 哈希特征 （@水龙）
-  - 模型蒸馏 （@若愚）
-  - 数据增强 （@崔程）
-- 产业实用范例库 （@胜禹）
-- 30分钟快速体验图像分类（原尝鲜版）（@崔程）
+  - [骨干网络和预训练模型库]() 文档更新中
+    - [服务端CNN模型库]() 文档更新中
+    - [移动端CNN模型库]() 文档更新中
+    - [Vision Transformer模型库]() 文档更新中
+  - [度量学习]() 文档更新中
+  - [ReID]() 文档更新中
+  - [向量检索]() 文档更新中
+  - [哈希特征]() 文档更新中
+  - [模型蒸馏]() 文档更新中
+  - [数据增强]() 文档更新中
+- [产业实用范例库]() 文档更新中
+- [30分钟快速体验图像分类]() 文档更新中
 - FAQ
   - [图像识别精选问题](docs/zh_CN/faq_series/faq_2021_s2.md)
   - [图像分类精选问题](docs/zh_CN/faq_series/faq_selected_30.md)
@@ -126,14 +125,8 @@ PP-ShiTu图像识别快速体验：[点击这里](./docs/zh_CN/quick_start/quick
 PULC融合了骨干网络、数据增广、蒸馏等多种前沿算法，可以自动训练得到轻量且高精度的图像分类模型。
 PaddleClas提供了覆盖人、车、OCR场景九大常见任务的分类模型，CPU推理3ms，精度比肩SwinTransformer。
 
-<a name="分类效果展示"></a>
-## PULC实用图像分类模型效果展示
-<div align="center">
-<img src="docs/images/classification.gif">
-</div>
-
 <a name="图像识别系统介绍"></a>
-## PP-ShiTu图像识别系统介绍
+## PP-ShiTu图像识别系统
 
 <div align="center">
 <img src="./docs/images/structure.jpg"  width = "800" />
@@ -141,6 +134,11 @@ PaddleClas提供了覆盖人、车、OCR场景九大常见任务的分类模型
 
 PP-ShiTu是一个实用的轻量级通用图像识别系统，主要由主体检测、特征学习和向量检索三个模块组成。该系统从骨干网络选择和调整、损失函数的选择、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型裁剪量化8个方面，采用多种策略，对各个模块的模型进行优化，最终得到在CPU上仅0.2s即可完成10w+库的图像识别的系统。更多细节请参考[PP-ShiTu技术方案](https://arxiv.org/pdf/2111.00775.pdf)。
 
+<a name="分类效果展示"></a>
+## PULC实用图像分类模型效果展示
+<div align="center">
+<img src="docs/images/classification.gif">
+</div>
 
 <a name="识别效果展示"></a>
 ## PP-ShiTu图像识别系统效果展示